• 3D数学基础 KeyNote 1


    计算几何复习要点

     1、向量加法的几何含意:

      a+b的释意为:a的尾连上b的头,新建一条从a的尾指向b的头的向量。

     2、向量减法的几何含意:

      a-b的释意为:尾部相连,新建一个从b的头指向a的头的向量。

     3、点积,内积:

      对于向量a(Xa,Ya)、向量b(Xb,Yb),a与b的点积为:Xa*Xb+Ya*Yb。

      另外 a*b=|a|*|b|*cos(a与b夹角)。通过此公式可通过坐标来计算2向量夹角。

     4、叉积。注意,axb 的结果是一个向量。

      |aXb| = |a|*|b|*sin(a与b夹角)。几何函数为a向量与b向量组成的面积。

     5、行数和列数相同的矩阵称为方阵。所有非对角线元素都为0的矩阵为对角矩阵。

     6、转置矩阵意味着把矩阵给转换。

     参考自《3D数学基础:图像与游戏开发》

    3D数学基础

    1、研究自然数、整数的领域称为离散数学。研究实数的领域称作连续数学

    2、计算机图形学第一准则:近似原则 。如果它看上去是对的,它就是对的。

    3、常见坐标系。

      1)世界坐标系。

      2)物体坐标系。

      3)摄像机坐标系。

      4)惯性坐标系。

    4、向量的大小。

      

    5、点积:对应分量的和。

      

      点积可以计算向量的夹角:

      

    6、假设有向量v,n,则v可以拆分平行为n的向量 v1、以及垂直于n的向量v2。

      

      v1 = |v1|*n / |n| = |v| cos0 *n / |n| = |v||n|cos0*n / |n|^2 = dot(v,n)*n/|n|^2

      

      上术计算 v1 的公式,可以略去 cos0 的计算。

      有了v1,v2就很好求了。 v2 = v - v1

      

    7、叉乘公式。

      

      叉乘不满足交换律,即: axb != bxa。但满足反交换律:

        

      也不满足结合律:

        

      叉乘满足分配律:
        

      

    8、矩阵是 row x column,如下面是一个 4x3 的矩阵。

      

    9、两个矩阵积的转置 等于 转置的逆序积。
      

    10、行向量左乘矩阵,结果是行向量;行向量右乘矩阵,结果是无定义。

      列向量左乘矩阵,结果是无定义;列向量右乘矩阵,结果是列矩阵。

       并且注意,行向量、列向量的值完全不同。

      

    11、若把矩阵的行解释为基向量,那么乘以该矩阵就相当于执行了一次坐标转换。若有 aM = b,我们就可以说,M可以将a转换到b。

      

      

    12、绕x、y、z 轴旋转 0度。

      

      记法诀窍:

      1、斜角都是 cos0。

      2、固定轴的下一个是 sin0。

      3、固定轴的下下一个是 -sin0。

    13、沿坐标轴的绽放矩阵。

      

    14、切变,切变后面积、体积不变。也被称作扭曲变换。以下是 2d切变矩阵:

      

      以下是3D切变矩阵。

      

    15、线性变换。满足加法、线性乘,那么叫线性变换。

      

      

    16、2 维行列式

      

      3维行列式:

      

      如果将矩阵解释为 abc 向量,那么矩阵的行列式可以写为:

      

    17、M{i,j} 称为 M的i行j列的余子式,意为去除i行j列后余下的矩阵。

      

      加上-/+后称为代数余子式。

      

      

      任一一行的代数余子式与元素乘积的和,即为行列式,所以这里得到行列式的另一个计算方法:

      

      

    18、矩阵行列式的特性。

      

    19、2D中,行列式的值为基向量围成图形的面积。

      

      3D中,行列式等于基向量的体积。

    20、如果一个矩阵有逆矩阵,则称它为可逆的或非奇异的(非单身)。如果没有逆矩阵,则为不可逆,奇异。

      奇异矩阵的行列式为零,非奇异的行列式不为零。因为逆矩阵的计算需要除以行列式 |M|。

    21、adj M 是标准伴随矩阵,是代数余子式矩阵的转置。

      

      

      

      逆矩阵的计算公式:
      

      逆矩阵的特性:

      

      

    22、正交矩阵:M*M^T=I

      如果一个矩阵是正交的,那么它的转置等于它的逆: M^-1 = M^T。

      这是快速计算逆矩阵的一种常用方法。

    23、正交矩阵性质的推导。

      

      

    23.1、3D矩阵的施密特正交化。

        

      施密特正交化是有偏差的,一个例子是rq总是不变的。一个改进的算法是,选择一个小因子,迭代N次。

        

    24、3D 平移矩阵。

      

    24.1、一般仿射变换。

      

    25、投影的计算。

        

    26、

    27、

    28、

    29、

    3D中绕任意轴的旋转

      假设旋转轴通过原点,为n,旋转的角度为0。被旋转轴为 v,旋转后的轴为 v'。则我们需要找到的旋转矩阵R为:

         

      先构造空间,可以将 v 拆分为 v1、v2,v1平行n,v2垂直n。

          

        下面的等式可由两种方式得到:

        1)0 的旋转矩阵。

        2)水平分量、垂直分量相加。

        

        

      将 [1,0,0]、[0,1,0]、[0,0,1] 代入,即可得三个旋转后的坐标轴。

      

      综合在一起,可得旋转矩阵:

        

    沿任意方向缩放

      现在来解决,沿方向n,绽放k倍的问题。假设需要绽放轴 v,那么v可拆分为v1,v2。v1平行于 n,v2 垂直于n。

        

      

      上式中,(VN)N 为 V||,再乘上 (k-1),所以此公式的含意为给 V 加一个 (k-1)V|| 的偏移。

      所以,三个轴旋转后分别为:

        

      绽放矩阵为:

        

      有了上述公式后,可轻易的得出绕任意平面投影的矩阵:

          

       同样,镜像矩阵也很容易得出:

         

  • 相关阅读:
    【小白入门教程】3 分钟搞明白直播中拖动不准的问题
    如何在直播中解决黑屏、花屏、闪屏问题 | 直播疑难杂症排查
    骑兵变步兵?10 分钟搞明白如何在直播中去马赛克
    实现高性能纠删码引擎 | 纠删码技术详解(下)
    傅里叶分析之掐死教程(完整版)
    Python & 机器学习之项目实践
    LightGBM 调参方法(具体操作)
    模型调参:分步骤的提升模型的精度
    QQ的孤独
    python 机器学习中模型评估和调参
  • 原文地址:https://www.cnblogs.com/tekkaman/p/3526160.html
Copyright © 2020-2023  润新知